SAMUEL CONTRERAS

Descripción: Aplicación web interactiva que muestra estadísticas históricas de mariscales de campo (QB) y defensas de equipos de la NFL desde 1985 hasta 2024. La herramienta permite comparar el desempeño ofensivo y defensivo de los equipos a lo largo del tiempo, destacando cómo ambos factores influyen en las victorias.

Tecnologías y metodología utilizadas: El proyecto se realizó utilizando Python como lenguaje principal. Para la recolección de datos se empleó Selenium, realizando web scraping del sitio Pro Football Reference. Una vez extraídos los datos se empleó la librería Pandas para limpieza, transformación y análisis de datos. Finalmente, se utilizó Streamlit para construir una interfaz visual interactiva y como hosting de la aplicación.

Objetivo: El propósito del proyecto es demostrar que el éxito en la NFL no depende únicamente del quarterback, sino también de la eficacia de su defensa. Además de facilitar la creación de contenido visual y analítico sobre la liga, y servir como recurso útil para aficionados o analistas deportivos.

Descripción: Aplicación interactiva que permite comparar estadísticas avanzadas de mariscal de campo de la NFL desde 2019 hasta la actualidad. Esta herramienta facilita un análisis detallado del rendimiento en diferentes temporadas, transformando los datos sin procesar en información práctica.

Tecnologías y metodología utilizadas: El proyecto se realizó utilizando Python como lenguaje principal. Para la recolección de datos se empleó Selenium, realizando web scraping del sitio Pro Football Reference. Una vez extraídos los datos se empleó la librería Pandas para limpieza, transformación y análisis de datos. Finalmente, se utilizó Streamlit para construir una interfaz visual interactiva y como hosting de la aplicación.

Objetivo: El proyecto fue creado con la intención de brindar a los fanáticos, analistas y creadores de contenido una plataforma visual e intuitiva que facilite la comparación rápida y profunda entre mariscales de campo. Su enfoque está en ofrecer información útil y visualmente atractiva para mejorar la toma de decisiones y generar contenido más informado sobre la NFL.

Descripción: Aplicación web interactiva que muestra los puntos obtenidos por mariscales de campo (quarterbacks) en ligas de fantasy football durante la temporada 2024. Las estadísticas se presentan semana a semana, permitiendo a los usuarios analizar el rendimiento de cada jugador a lo largo de la temporada de manera visual y detallada.

Tecnologías y metodología utilizadas: Se utilizó Python como lenguaje de programación y Streamlit para construir la interfaz web interactiva. La recolección de datos se realizó a través de web scraping con la ayuda de Selenium, obteniendo la información directamente desde el sitio https://www.footballdb.com/ . Posteriormente, los datos fueron procesados y visualizados para ofrecer una experiencia clara y funcional al usuario.

Objetivo: El principal objetivo de este proyecto fue poner en práctica mis habilidades en la recolección y visualización de datos, especialmente mediante técnicas de web scraping. La herramienta busca facilitar el seguimiento de los puntajes fantasy de los quarterbacks y servir como apoyo tanto para aficionados como para jugadores de fantasy football que deseen tomar decisiones más informadas.

Descripción: Aplicación web interactiva desarrollada con Python y Dash, diseñada para ofrecer un análisis completo del rendimiento de los mariscales de campo (quarterbacks) de la NFL. La aplicación permite explorar estadísticas de carrera mediante visualizaciones dinámicas y comparaciones entre temporadas, todo en una interfaz moderna y adaptable.

Tecnologías y metodología utilizadas: El desarrollo se realizó en Python, utilizando el framework Dash para la creación de la interfaz web interactiva. Se incorporaron componentes de Dash Bootstrap para mejorar la apariencia visual y adaptabilidad del diseño. La manipulación y análisis de datos se llevó a cabo con Pandas, y las visualizaciones interactivas se construyeron con Plotly. Para obtener los datos (cuando aplica), se utilizó la librería Requests, y la aplicación se desplegó con Gunicorn como servidor WSGI en producción.

Objetivo: Este proyecto fue creado con el objetivo de reforzar mis habilidades en análisis y visualización de datos, presentando un enfoque centrado en la experiencia del usuario. Forma parte de mi portafolio como ejemplo práctico de proyectos interactivos basados en datos.

Descripción: Aplicación de escritorio desarrollada con Python que permite descargar videos de YouTube de forma sencilla, rápida y visualmente amigable. La herramienta ofrece una interfaz gráfica intuitiva gracias al uso de la librería Flet, lo que la convierte en una solución accesible para usuarios sin conocimientos técnicos.

Tecnologías y metodología utilizadas: El desarrollo se realizó en Python, utilizando la librería Flet para construir la interfaz gráfica moderna y funcional. Se integró una API especializada para gestionar la descarga de videos desde YouTube, asegurando compatibilidad y rendimiento. La estructura del programa sigue un enfoque modular, facilitando su mantenimiento y escalabilidad.

Objetivo: Este proyecto nació con el propósito de optimizar tareas personales relacionadas con la gestión de contenido audiovisual. Además, representa un ejemplo claro de cómo puedo crear herramientas personalizadas que mejoren la eficiencia y respondan a necesidades específicas.

Descripción: Aplicación de escritorio diseñada para eliminar el fondo de imágenes de forma automática y precisa. Gracias a una interfaz gráfica desarrollada con Flet en Python, la herramienta ofrece una experiencia amigable y directa, permitiendo al usuario cargar imágenes y obtener versiones con fondo transparente en cuestión de segundos.

Tecnologías y metodología utilizadas: Python fue utilizado como lenguaje principal para el desarrollo de la aplicación, Flet permitió construir una interfaz gráfica sencilla y eficaz, accesible para cualquier usuario, rembg, una potente librería de inteligencia artificial, se usó para procesar las imágenes y eliminar automáticamente los fondos con alta precisión.

Objetivo: Este proyecto fue creado para agilizar mi flujo de trabajo en diseño gráfico, eliminando la dependencia de herramientas en línea y acelerando el proceso de edición de imágenes. Al contar con una solución local, puedo integrar esta herramienta en mis propios procesos creativos y adaptarla a nuevas necesidades.

Descripción: Aplicación de escritorio desarrollada en Python con Flet, diseñada para ayudar a identificar y eliminar archivos duplicados de manera eficiente. Su interfaz gráfica simple e intuitiva permite al usuario escanear carpetas específicas, visualizar archivos repetidos y decidir si desea eliminarlos manualmente o de forma automática.

Tecnologías y metodología utilizadas: Python fue el lenguaje principal utilizado para el desarrollo del programa.Flet se empleó para construir la interfaz gráfica amigable y multiplataforma.Se implementó una lógica de comparación basada en hashes MD5 para detectar archivos duplicados de forma confiable.La aplicación puede ser convertida en un ejecutable (.exe), facilitando su distribución y uso práctico en entornos Windows sin necesidad de instalar Python.

Objetivo: El objetivo de esta herramienta es optimizar la organización de archivos dentro de mis proyectos como creador de contenido, reduciendo el uso innecesario del almacenamiento y facilitando la gestión diaria de recursos digitales. También fue una oportunidad para seguir perfeccionando mis habilidades en automatización de tareas con Python.

Actualmente gestiono la cuenta de Instagram @mr_irrelevant7 donde creo y edito contenido audiovisual sobre la NFL.

He logrado alcanzar múltiples videos con más de 300K reproducciones, impulsando el crecimiento y la interacción de la comunidad.

Selección de videos con mayor alcance de mi cuenta, destacando el desempeño de jugadores seleccionados. Contenido optimizado para engagement en redes sociales con edición dinámica y narrativa visual efectiva.